基于视频游戏的应用程序来评估跌倒风险:一个概念验证队列研究
Antao Ming1, Tanja Schubert1, Vanessa Marr1
1University Clinic for Nephrology and Hypertension, Diabetes and Endocrinology, Otto-von-Guericke University Magdeburg, Magdeburg, Germany.
EClinicalMedicine
|December 16, 2024
概括
使用传感器内进行的新视频游戏评估显示,与传统方法相比,糖尿病患者在预测跌倒方面的准确性更高. 这种创新方法为跌倒风险评估提供了更具吸引力和有效的工具.
科学领域:
- 老年学是一门学科.
- 生物医学工程 生物医学工程
- 神经学 神经学
背景情况:
- 跌倒是老年人患病和死亡的主要原因,特别是那些患有多神经病变和认知衰退的人.
- 传统的跌倒风险评估工具具有有限的预测价值,无法捕捉特定的漏洞.
- 这项研究的重点是为糖尿病患者开发一种创新的秋季预测工具,这是一个高风险群体.
研究的目的:
- 为糖尿病患者开发和验证一种引人入胜的,基于视频游戏的跌倒风险评估工具.
- 将新工具的预测准确性与传统的临床评估进行比较.
- 在视频游戏中识别与跌倒风险相关的关键性能指标.
主要方法:
- 一项概念验证队列研究,涉及152名糖尿病参与者.
- 参与者接受了传统的跌倒风险评估 (定时起床和起床,动态步行指数,伯格平衡量级).
- 参与者还参与了装有传感器的内控制的视频游戏,以评估在坐着和站着的位置上的技巧,反应时间,感觉,耐力,平衡和肌肉力量.
主要成果:
- 传统的评估显示了中等的准确性 (TUG:58.7%,DGI:58.3%,BBS:47.5%).
- 基于视频游戏的评估产生了更高的准确度 (82.8%的坐着, 88.6%的站着).
- 关键的区分因素包括耐力和平衡,人工智能分析强调反应时间和压力参数作为重要预测因素.
结论:
- 基于视频游戏的跌倒风险评估在糖尿病患者的预测准确性方面超过了传统的临床工具.
- 这种创新方法为患者评估和跌倒预防策略提供了一个有前途的新资源.
- 建议在更大,更多样化的队列中进一步验证,以改进临床环境中的预测能力.
